企业官网建设流程全解析

简介：本资源为面向目标检测初学者与算法工程师的YOLO烟雾检测数据集，聚焦真实场景下的烟雾识别任务，可用于安防监控、工业巡检、火灾预警等方向的模型训练与课程实践。数据经labelimg精细标注，标注框质量高，场景覆盖丰富，并同步提供voc、coco、yolo三种格式标签，分别存放于独立文件夹，可直接接入YOLO系列检测框架。压缩包共2000个文件，以1000个xml标注、990个txt标签为主，另含yaml配置、py划分脚本及html说明文档，整体约86.54MB，结构清晰便于检索。资源附赠环境搭建、训练案例教程与数据集划分脚本，可按需生成训练集、验证集与测试集，帮助读者快速跑通从数据准备到模型训练的全流程。目前已有362人学习下载，适合希望低成本获取高质量烟雾数据并快速验证检测方案的读者。

1. 烟雾检测数据集拿到手先别急着训练：1000 张图背后的三个真相

烟雾目标检测这个方向，我见过太多人栽在第一步。拿到一个标着「1000 张图片 + VOC/COCO/YOLO 三格式标签 + 划分脚本 + 训练教程」的压缩包，第一反应往往是解压、改data.yaml、yolo train三连，然后盯着 loss 曲线等奇迹。结果要么 mAP 卡在 0.3 上不去，要么模型把白云、雾气、甚至白色墙壁全框成烟雾。问题不在 YOLO 本身，而在于烟雾这个目标太特殊——它没有固定形状、边缘模糊、半透明、和背景对比度极低，1000 张图的体量在通用检测任务里算小，在烟雾任务里更考验数据质量和划分策略。

这个数据集真正值钱的地方，不是那 1000 张图本身，而是它同时给了 VOC、COCO、YOLO 三种格式标签和一套划分脚本。这意味着你可以跳过最耗时的标注环节，直接把精力放在格式转换验证、划分合理性检查和训练参数调优上。适合谁？适合已经跑通过 YOLO 官方 demo、想切入烟雾/火灾/工业排烟检测场景的工程师，也适合拿它做课程设计或毕设的学生——但前提是你得知道下面这些坑在哪。

2. 三种标签格式到底怎么选：VOC、COCO、YOLO 的转换逻辑与验证方法

2.1 为什么同一个数据集要给你三种格式

VOC 是 XML 结构，一个图对应一个 XML 文件，里面存bndbox的xmin/ymin/xmax/ymax绝对坐标。COCO 是单个 JSON 管全量数据，annotations数组里存bbox的[x, y, width, height]和category_id。YOLO 是每张图一个.txt，每行class_id x_center y_center width height，全部归一化到 0~1。

三种格式不是随便给的。VOC 适合用labelImg继续补标或人工复核，COCO 适合接pycocotools做评估或喂给 MMDetection 系框架，YOLO 格式直接进 Ultralytics 训练。很多人只用了 YOLO 格式，结果想换评估指标或者做数据增强时发现没有 COCO 的info和licenses字段，又得回头转。所以拿到数据集第一件事不是训练，是把三种格式都验证一遍，确认它们描述的是同一批框。

2.2 用脚本验证三格式一致性

下面这段代码做一件事：读一张图的 VOC XML、COCO JSON 里对应的 annotation、YOLO txt，把三种框还原成绝对像素坐标，比对是否一致。不一致就说明转换过程有精度损失或类别映射错误。

import xml.etree.ElementTree as ET import json import os IMG_W, IMG_H = 640, 640 # 按你数据集实际尺寸改 def voc_to_abs(xml_path): tree = ET.parse(xml_path) root = tree.getroot() boxes = [] for obj in root.findall('object'): name = obj.find('name').text bnd = obj.find('bndbox') xmin = float(bnd.find('xmin').text) ymin = float(bnd.find('ymin').text) xmax = float(bnd.find('xmax').text) ymax = float(bnd.find('ymax').text) boxes.append((name, xmin, ymin, xmax, ymax)) return boxes def yolo_to_abs(txt_path): boxes = [] with open(txt_path) as f: for line in f: cid, xc, yc, w, h = map(float, line.strip().split()) xmin = (xc - w / 2) * IMG_W ymin = (yc - h / 2) * IMG_H xmax = (xc + w / 2) * IMG_W ymax = (yc + h / 2) * IMG_H boxes.append((int(cid), xmin, ymin, xmax, ymax)) return boxes def coco_to_abs(json_path, img_id): with open(json_path) as f: data = json.load(f) boxes = [] for ann in data['annotations']: if ann['image_id'] != img_id: continue x, y, w, h = ann['bbox'] boxes.append((ann['category_id'], x, y, x + w, y + h)) return boxes # 逐图比对，阈值设 1 像素 voc_boxes = voc_to_abs('annotations/0001.xml') yolo_boxes = yolo_to_abs('labels/0001.txt') coco_boxes = coco_to_abs('annotations/instances.json', img_id=1) for v, y in zip(voc_boxes, yolo_boxes): diff = max(abs(v[1] - y[1]), abs(v[2] - y[2]), abs(v[3] - y[3]), abs(v[4] - y[4])) if diff > 1.0: print(f'不一致: VOC={v} YOLO={y} 最大偏差={diff:.2f}px')

逻辑说明：VOC 和 COCO 存的是绝对坐标，YOLO 存归一化坐标，还原时乘回图像宽高。比对阈值设 1 像素是因为浮点转换和取整会带来亚像素误差，超过 1 像素就说明转换脚本有问题。参数上IMG_W/IMG_H必须和标注时用的尺寸一致，如果数据集里图片被 resize 过而标签没同步，这里会直接暴露。

2.3 划分脚本怎么用才不翻车

数据集自带的划分脚本通常是按 8:1:1 或 7:2:1 随机切分。但烟雾数据有个特点：同一段视频抽帧出来的图高度相似，如果随机划分，训练集和验证集里会出现几乎一样的图，验证 mAP 虚高，上线就崩。正确做法是按场景或按视频源分组划分。

# 假设图片按场景放在 scenes/ 下，每个子目录是一个独立场景 python split.py --data_root ./images --val_ratio 0.15 --test_ratio 0.15 \ --group_by scene --seed 42 --output ./splits

参数说明：--group_by scene表示同一场景的图只进一个集合，避免数据泄漏；--seed 42固定随机种子保证可复现；--val_ratio和--test_ratio按你的总量调，1000 张图建议验证集不少于 150 张，否则 mAP 波动会很大。如果脚本不支持分组，就自己按文件名前缀或目录手动分，别偷懒用纯随机。

提示：划分完一定要统计三个集合里正样本框的数量和尺寸分布，如果验证集里小目标框占比和训练集差很多，mAP 会明显偏低，这不是模型问题是划分问题。

3. 从 1000 张图到可训练 YOLO 数据集：目录结构、配置文件与最小训练命令

3.1 目录结构定死，别自创

Ultralytics 系 YOLO 对目录结构有约定，自创结构会在data.yaml解析时翻车。标准结构如下：

smoke_dataset/ ├── images/ │ ├── train/ │ ├── val/ │ └── test/ ├── labels/ │ ├── train/ │ ├── val/ │ └── test/ └── data.yaml

images/train/0001.jpg对应labels/train/0001.txt，文件名必须一致，扩展名不同。常见错误是把所有图放一个文件夹然后用 txt 列表指定，YOLOv8 之后虽然支持，但val阶段的路径推断容易出问题，老老实实按目录分。

3.2 data.yaml 的三个必调字段

path: /abs/path/to/smoke_dataset train: images/train val: images/val test: images/test nc: 1 names: 0: smoke

path用绝对路径，相对路径在不同工作目录下启动训练会找不到数据。nc是类别数，烟雾检测通常就 1 类，如果你的数据集把「白烟」「黑烟」分开标了，这里要对应改，但我不建议分太细，1000 张图分多类每类样本更少，模型学不动。names的 key 从 0 开始，和 YOLO txt 里的class_id对应，错一位整个训练全废。

3.3 最小训练命令与参数含义

yolo detect train \ data=smoke_dataset/data.yaml \ model=yolov8n.pt \ epochs=100 \ imgsz=640 \ batch=16 \ lr0=0.01 \ patience=20 \ project=runs/smoke \ name=exp1

model=yolov8n.pt用 nano 版起步，1000 张图用大模型必过拟合。imgsz=640是烟雾检测的常用尺寸，烟雾目标通常占图面积不小，640 够用，再大显存吃不消。batch=16在 8G 显存上跑 640 分辨率比较稳，显存不够就降到 8 并同步把lr0降到 0.005。patience=20表示 20 轮 mAP 不升就早停，烟雾数据容易过拟合，这个值别设太大。

训练启动后重点看三个输出：box_loss是否稳定下降、mAP50是否在 30 轮后还在涨、val/box_loss和train/box_loss的差距。如果 train loss 降但 val loss 涨，就是过拟合，加数据增强或减模型容量。

3.4 数据增强参数怎么设

烟雾检测的增强策略和通用目标检测不同。mosaic默认 1.0 可以用，但mixup建议关掉或设 0.1 以下，因为烟雾和背景混合后语义更模糊，模型更难学。hsv_h可以调大一点到 0.03，模拟不同光照下的烟雾颜色变化。flipud垂直翻转对烟雾合理，因为烟往上飘，翻转后变成往下沉，物理上不自然，建议设 0。

yolo detect train data=smoke_dataset/data.yaml model=yolov8n.pt \ epochs=100 imgsz=640 batch=16 \ hsv_h=0.03 hsv_s=0.7 hsv_v=0.4 \ degrees=10 translate=0.1 scale=0.5 \ fliplr=0.5 flipud=0.0 mosaic=1.0 mixup=0.0

这些值不是拍脑袋，是我在几个烟雾项目里试出来的。scale=0.5让目标缩放范围大，模拟远近烟雾；degrees=10小角度旋转，烟雾没有严格方向性但大角度旋转会引入不自然边缘。

4. 烟雾检测训练避坑：5 个让 mAP 卡住不动的真实原因

4.1 现象：mAP50 一直在 0.2~0.3 徘徊，loss 降不下去

原因：标签里大量框是「整张图都是烟」的大框，YOLO 的 anchor 匹配策略对大框回归不稳定，而且大框的 IoU 计算对位置偏移不敏感，模型学不到精细边界。解决：统计框的宽高分布，如果超过 60% 的框面积占比大于 0.5，考虑把大框裁成多个小框，或者改用分割任务。另一个办法是检查是否有空标签文件——有些图没有烟雾但被放进来了，YOLO 会把它当负样本，少量可以，多了就干扰。

4.2 现象：验证集 mAP 很高，换一批图测试全漏检

原因：划分时同一场景的图泄漏到了训练集和验证集。烟雾数据很多是从视频抽帧，相邻帧差异极小，随机划分必然泄漏。解决：按视频源或时间段分组划分，验证集用完全没在训练集出现过的场景。验证方法很简单，用感知哈希算一下训练集和验证集图片的相似度，有大量高相似对就说明泄漏了。

4.3 现象：模型把白云、雾气、白色墙面框成 smoke

原因：负样本不足。1000 张图里如果全是含烟雾的正样本，模型没见过「像烟但不是烟」的干扰项，就会过检。解决：往训练集里加 10%~20% 的纯负样本图（无烟雾但含云、雾、白色物体），标签文件留空。YOLO 对空标签文件是支持的，但要注意data.yaml里不能把这些图漏掉。加负样本后 mAP 可能略降，但误检率会明显改善，实际部署更看重这个。

4.4 现象：训练到 50 轮后 val loss 开始涨，mAP 掉

原因：过拟合。1000 张图对 YOLO 来说数据量偏小，模型在 50 轮左右就记住了训练集。解决：早停patience设 15~20，加weight_decay=0.0005，把model换成更小的 nano 或加 dropout。如果还不行，用冻结 backbone 的方式先训 head 20 轮再解冻全训，这是小数据集的常规操作。

4.5 现象：推理时框的位置对但类别置信度很低

原因：data.yaml里names的顺序和 YOLO txt 里class_id不一致，或者 COCO 转 YOLO 时category_id从 1 开始而 YOLO 要求从 0 开始。解决：写个脚本统计所有 txt 里出现的class_id集合，和names的 key 比对。COCO 的category_id经常是 1 起步，转换时必须减 1，这个坑我踩过不止一次。

注意：每次改完标签或data.yaml，先跑yolo detect train epochs=1看第一轮能不能正常出 loss，别直接开 100 轮，浪费卡时。

5. 小数据集提点技巧：用 COCO 预训练权重和冻结策略把 mAP 再拉 5 个点

1000 张图想从零训到高 mAP 不现实，必须借预训练权重。但直接用 COCO 预训练权重有个问题：COCO 的 80 类里没有 smoke，backbone 学到的特征偏通用物体，head 完全不对口。我的做法是分两阶段：第一阶段冻结 backbone，只训 head 30 轮，让 head 先适配烟雾的二分类（有烟/无烟）；第二阶段解冻全部，用更小的学习率训 50 轮。

# 第一阶段：冻结 backbone yolo detect train data=smoke_dataset/data.yaml model=yolov8n.pt \ epochs=30 imgsz=640 batch=16 lr0=0.01 \ freeze=10 project=runs/smoke name=stage1 # 第二阶段：解冻全训，学习率降一个量级 yolo detect train data=smoke_dataset/data.yaml \ model=runs/smoke/stage1/weights/best.pt \ epochs=50 imgsz=640 batch=16 lr0=0.001 \ project=runs/smoke name=stage2

freeze=10表示冻结前 10 层，YOLOv8n 的 backbone 大概就是前 10 层。第一阶段学习率可以大一点，因为只更新 head；第二阶段必须降，否则预训练特征被破坏。这个策略在我经手的几个烟雾项目里，比直接全量微调平均高 3~5 个 mAP 点。

另一个技巧是验证时用TTA（测试时增强），Ultralytics 推理时加augment=True会做多尺度翻转推理再融合，mAP 能再提 1~2 个点，代价是推理速度慢 2~3 倍。如果部署端算力够，这个开关值得开。

yolo detect val model=runs/smoke/stage2/weights/best.pt \ data=smoke_dataset/data.yaml augment=True

最后说个习惯：每次训完把results.csv和confusion_matrix.png存下来，按日期和参数命名。烟雾检测的调参很依赖对比，没有历史记录就是黑匣子，下次改参数全靠猜。我一般会在project目录下建个notes.md，记下这次改了什么、mAP 变化多少、为什么。这个习惯帮我省了至少几十个小时的重复试错。希望帮到你。

本文还有配套的精品资源，点击获取